SSD——单点多尺寸目标检测器

你的名字 2023-02-12 13:28 7阅读 0赞

### SSD ###

*  一、目标检测
 *   *   *  1、基于手工特征的目标检测
         *  2、基于深度学习的目标检测
 *  二、论文整体框架
 *   *  1⃣️ 摘要
     *   *  1、提出了SSD目标检测算法
         *  2、介绍SSD性能
     *  2⃣️ 引言
     *  3⃣️ SSD网络模型及训练方法
     *  4⃣️ 实验结果
     *  5⃣️相关工作
     *  6⃣️结论
 *  三、模型

# 一、目标检测 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NTAxODAw_size_16_color_FFFFFF_t_70]

### 1、基于手工特征的目标检测 ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NTAxODAw_size_16_color_FFFFFF_t_70 1]

### 2、基于深度学习的目标检测 ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NTAxODAw_size_16_color_FFFFFF_t_70 2]  
1、基于区域提名的目标检测算法（two-stage）：RCNN、fast-RCNN、faster-RCNN  
区域提名，即针对图像中目标物体位置，预先提出候选区域的方法。然后再通过卷积神经网络对候区域进行样本分类。  
2、基于端到端学习的目标检测算法：SSD、YOLO  
无需预先提出候选区域，网络直接预测输出物体的类别概率和位置坐标值，即我们的网络是统一的网络，经过单词检测即可直接得到最终结果。

# 二、论文整体框架 #

## 1⃣️ 摘要 ##

### 1、提出了SSD目标检测算法 ###

a、基于端到端学习的目标检测  
b、将边界框的输出空间离散化为一组默认框  
c、预测结果来自于不同层次的特征图

### 2、介绍SSD性能 ###

## 2⃣️ 引言 ##

**问题一**  
1、ground truth（标注框，已知）  
2、bounding box (目标检测的输出，未知)  
g(x,y,w,h)  
B(x’,y’,w’,h’)  
A(a1,a2,a3,a4),则  
x’=x*a1  
y’=y*a2  
w’=w*a3  
h’=h*a4  
3、proposal（滑动窗口定位的四个proposal框）  
![在这里插入图片描述][20200526164804364.png]  
**问题二**  
Selective Search：在原图进行裁剪（RCNN\\faster-RCNN）

1、采样  
（1）原图SS  
（2）特征图进行采样  
2、先验框设计尺寸  
3、网络结构  
要不要跟全连接

**问题三**  
SSD改进：在6个featuremap上用了4-6个anchor框提取特征  
**问题四：损失函数**

## 3⃣️ SSD网络模型及训练方法 ##

1个 3\*3的卷积核（有4个anchor框），stride=1==>滑动窗口  
anchor框的区域做置信度的输出与边框回归  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NTAxODAw_size_16_color_FFFFFF_t_70 3]  
NMS：  
对100个proposal的置信度做排序，以置信度最大的为基准，让其余99个与最大的计算IOU面积，大于IOU阈值的将被删除  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NTAxODAw_size_16_color_FFFFFF_t_70 4]

## 4⃣️ 实验结果 ##

## 5⃣️相关工作 ##

## 6⃣️结论 ##

# 三、模型 #

**问题一** faster-RCNN与SSD区别：  
1、SSD密集采样：在不同特征图上用不同尺度featuremap做  
2、利用卷积，对每个像素点采样  
3、大图预测小物体、小图预测大物体

**问题二**在SSD论文中，default box：  
指的就是proposal框（建议框、先验框）或者anchor框（猫框）

**问题三**空间金字塔结构（FPN）：

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NTAxODAw_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200526132709785.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NTAxODAw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NTAxODAw_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200526132821494.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NTAxODAw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NTAxODAw_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200526133045572.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NTAxODAw,size_16,color_FFFFFF,t_70
[20200526164804364.png]: https://img-blog.csdnimg.cn/20200526164804364.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NTAxODAw_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200527184556204.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NTAxODAw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NTAxODAw_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20200528155330691.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NTAxODAw,size_16,color_FFFFFF,t_70